把方法,變成肌肉。
這些是我們持續投入時間、寫筆記、跑實驗的領域。字體越大,代表越是當前的研究重點。
A.
機器學習與模型
0701模型訓練 / 微調 (LoRA, QLoRA)FOCUS
02推論引擎 (vLLM, TensorRT‑LLM, llama.cpp)PROD
03RAG / 檢索增強生成PROD
04嵌入與向量資料庫
05蒸餾與量化
06多伺服器管理與分散式推論
07強化學習與獎勵建模READ
B.
代理與工作流
0501AI Agent 設計模式FOCUS
02MCP 模型上下文協定FOCUS
03多代理協作 (Multi‑agent orchestration)
04長期記憶與會話歷史
05自動化工作流評估指標
C.
視覺與生成
08012D / 3D 圖像設計與生成
02物件偵測 / 瑕疵檢測PROD
03人臉辨識與生物特徵
04音樂 / 影像生成 (multi‑modal gen)FOCUS
05ControlNet / 條件式控制
063D 重建與點雲
07姿態估計 / 動作辨識FOCUS
08飲食影像辨識LAB
D.
語音與空間
0401TTS / STT 語音模型PROD
02數位孿生 (Digital Twin)FOCUS
03即時語音轉錄與摘要PROD
04AR / VR 沉浸式情境LAB
02 · 閱讀清單
目前桌上,正在反覆翻閱的東西。
arXiv · 2024.10
Agentic 系統設計
關於多代理協作的決策邊界與失敗模式。
↳ 用於虛擬員工架構
DOC · MCP
MCP 規範與最佳實踐
工具與資源的契約,讓代理可重用。
↳ 用於工作流自動化
arXiv · 2025.02
長上下文 RAG 評估
比較稀疏 vs. 稠密檢索在百萬 token 下的表現。
↳ 用於企業助理
arXiv · 2025.06
可微分數位孿生
把物理場景變成可訓練的計算圖。
↳ 用於孿生機器人